文献

J-GLOBAL ID：202202284709552230   整理番号：22A0396541

畳込み2ストリーム生成敵対ネットワークに基づくハイパースペクトル特徴抽出【JST・京大機械翻訳】

Convolutional Two-Stream Generative Adversarial Network-Based Hyperspectral Feature Extraction

著者 (4件)： Yu Wenbo (Department of Control Science and Engineering, Harbin Institute of Technology, Harbin, China) ,  Zhang Miao (Department of Control Science and Engineering, Harbin Institute of Technology, Harbin, China) ,  He Zhi (School of Geography and Planning, Sun Yat-sen University, Guangzhou, China) ,  Shen Yi (Department of Control Science and Engineering, Harbin Institute of Technology, Harbin, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5506010.1-10  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 超スペクトル画像処理は,その冗長な特徴と複雑な情報を考慮する困難に直面している。深層学習領域におけるハイパースペクトル特徴抽出に関する研究は,ますます一般的になってきた。主流技術は,深いニューラルネットワークを構築することによって,スペクトル特徴を抽出するとき,局所近傍における空間情報を完全に考慮する。深層生成モデルは,適切な訓練により試料の固有構造をシミュレートし,信号処理に対する潜在的価値を示す。本論文では,改良Wasserstein生成敵対ネットワーク(WGAN)に基づく畳み込み2ストリームネットワーク(cs2GAN-FE)を教師なしハイパースペクトル空間スペクトル特徴抽出のために提案する。改良型WGANは1つの発電機と1つの識別器から成る。前者は実際のデータ分布を認識し,後者は生成されたデータの属性を決定する。設計した2ストリーム戦略は,1ストリーム戦略の単純な拡張ではなく,多重バンドにおける静的スペクトル-空間情報と動的スペクトル反射率変動の両方を考慮する。サンプル分布と特徴関係を考慮した訓練された識別器によって,固有空間-スペクトル特徴を抽出した。損失関数もcs2GAN-FEのユニークな構造に対して改善された。比較のために種々の最先端技術を選択した。実験結果は,このネットワークの実現可能性と可能性を示した。そのうえ,ランダム分割と分離分割による実験は,提案方法が他の比較技術より優れていることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  反射率 ,  弁別器 ,  冗長性 ,  損失関数 ,  *ネットワーク ,  ニューラルネットワーク ,  信号処理 ,  *特徴抽出 ,  *スペクトル ,  多重化
準シソーラス用語： 空間情報 ,  *ハイパースペクトル ,  生成モデル ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 畳込み ,  ストリーム ,  敵対 ,  ハイパースペクトル ,  特徴抽出